论文分享 | HE-Nav: 一种适用于复杂环境中空地机器人的高性能高效导航系统

阿木实验室始终致力于通过开源项目和智能无人机产品，为全球无人机开发者提供强有力的技术支持，并推出了开源项目校园赞助活动，助力高校学子在学术研究与技术创新中取得更大突破。近日，香港大学王俊铭同学，基于阿木实验室P600无人机自主搭建了一整套陆空两栖机器人，并使用Prometheus开源框架完成算法的实机部署，再次在机器人领域顶级期刊发表了相关论文。

其论文《HE-Nav: 一种适用于复杂环境中空地机器人的高性能高效导航系统》收录于国际顶刊RA-L。根据“开源项目校园赞助活动”规则，王同学将再次获得阿木实验室赞助的2.0奖学金5000元！

论文分享

**主题：**HE-Nav: 一种适用于复杂环境中空地机器人的高性能高效导航系统

Author：Junming Wang, Zekai Sun, Xiuxian Guan, Tianxiang Shen, Dong Huang, Zongyuan Zhang, Tianyang Duan, Fangming Liu, Heming Cui
Author Affiliation：The University of Hong Kong (HKU)
Corresponding author：Heming Cui
DOI: 10.1109/LRA.2024.3468091

期刊： IEEE Robotics and Automation Letters
作者单位： 香港大学
第一作者： 王俊铭
通讯作者： 崔鹤鸣

内容概述

空地机器人（AGRs）具有独特的双模式能力（即飞行和驾驶），使其成为搜索和救援任务的理想选择。现有的AGR导航系统在结构化的室内场景中取得了进展，使用传感器感知环境并构建欧几里德有符号距离场（ESDF）地图以实现无碰撞路径规划。然而，由于感知模块和路径规划器的局限性，这些系统在遮挡环境（如森林）中表现出次优性能和效率。在本文中，我们提出了HE-Nav，这是第一个专为AGRs设计的高性能高效导航系统。感知模块利用轻量级语义场景补全网络（LBSCNet），在鸟瞰图（BEV）特征融合的引导下，通过精心设计的SCB-Fusion模块和注意力机制进行增强。这使得系统能够实时高效地预测遮挡区域的障碍物，生成完整的局部地图。基于这个完整的地图，我们新颖的AG-Planner采用节能的动力学A*搜索算法，确保规划是节能的。随后的轨迹优化过程产生安全、平滑、动力学可行且无ESDF的空地混合路径。大量实验表明，HE-Nav在实际情况下实现了7倍的能源节省，同时在模拟场景中保持了98%的规划成功率。

引用Prometheus说明

我们在定制的 AGR 平台上采用了 HE-Nav 进行室内和室外实验，使用 Prometheus 软件 、RealSense D435i 深度摄像头、T265 跟踪摄像头、GPS 和 Jetson Xavier NX 机载计算机。我们记录了 AGR 在驾驶和飞行过程中每秒的平均能耗（表 IV），为评估实际和模拟测试中的能耗奠定了基础。文中引用为“We employed HE-Nav on a custom AGR platform (Fig. 6) for indoor and outdoor experiments, using Prometheus software [28] with a RealSense D435i depth camera, a T265 tracking camera, GPS [29], and a Jetson Xavier NX onboard computer. We recorded the average energy consumption per second for AGR during driving and flying (Table IV) to establish a basis for evaluating energy usage in real and simulated tests.“

HE-Nav整体框架

路径规划器

真机实验

• 论文链接： https://ieeexplore.ieee.org/document/10694689/
• 开源代码： https://github.com/jmwang0117/HE-Nav